一种高风险路段的行车风险控制方法

    公开(公告)号:CN110675624B

    公开(公告)日:2021-10-19

    申请号:CN201910889278.1

    申请日:2019-09-19

    Applicant: 长安大学

    Abstract: 一种高风险路段的行车风险控制方法,包括以下步骤:步骤1,选取单元长度的路段,计算得到事故集中的高风险路段;步骤2,将高风险路段上的交通流分为两种状态;步骤3,将高风险区分为预警段和高风险路段两个功能区段;步骤4,根据步骤3所示的预警段与高风险段的空间布局,得到信息发布设备布设位置。本发明首先对研究对象选取合适的路段单元长度,结合动态分段的移动步长法划分几个不同的组合,接下来采用Relim算法挖掘各个组合中的频繁项集,将交通事故次数和伤亡人数进行当量化处理,得到长度短且事故集中的交通事故高风险路段,再对所找出的高风险路段中的事故影响因素进行关联规则挖掘。

    一种基于长短期记忆网络的航空发动机寿命预测方法

    公开(公告)号:CN111639467B

    公开(公告)日:2024-04-16

    申请号:CN202010514899.4

    申请日:2020-06-08

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于长短期记忆网络的航空发动机寿命预测方法,将发动机的历史数据分为训练集、测试集和验证集;给训练集中航空发动机的每个周期添加剩余寿命标签并进行预处理;设计基于卷积神经网络和长短期记忆网络的航空发动机剩余寿命模型并训练;将测试集的数据放入训练的模型中得出测试集在模型训练中MAE值和MSE值;将测试集中得出的剩余寿命标签与真实剩余寿命数据集进行对比,得出相应的拟合优度验证预测的准确度和方法的可行性;将准确率最高的模型进行封装放到一个计算单元中,同时预测结果可视化。本发明所设置的神经网络移植性高、预测速度快、预测精度高且预测过程和结果完全可以可视化,操作方便简单。

    一种高风险路段的行车风险控制方法

    公开(公告)号:CN110675624A

    公开(公告)日:2020-01-10

    申请号:CN201910889278.1

    申请日:2019-09-19

    Applicant: 长安大学

    Abstract: 一种高风险路段的行车风险控制方法,包括以下步骤:步骤1,选取单元长度的路段,计算得到事故集中的高风险路段;步骤2,将高风险路段上的交通流分为两种状态;步骤3,将高风险区分为预警段和高风险路段两个功能区段;步骤4,根据步骤3所示的预警段与高风险段的空间布局,得到信息发布设备布设位置。本发明首先对研究对象选取合适的路段单元长度,结合动态分段的移动步长法划分几个不同的组合,接下来采用Relim算法挖掘各个组合中的频繁项集,将交通事故次数和伤亡人数进行当量化处理,得到长度短且事故集中的交通事故高风险路段,再对所找出的高风险路段中的事故影响因素进行关联规则挖掘。

    一种基于长短期记忆网络的航空发动机寿命预测方法

    公开(公告)号:CN111639467A

    公开(公告)日:2020-09-08

    申请号:CN202010514899.4

    申请日:2020-06-08

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于长短期记忆网络的航空发动机寿命预测方法,将发动机的历史数据分为训练集、测试集和验证集;给训练集中航空发动机的每个周期添加剩余寿命标签并进行预处理;设计基于卷积神经网络和长短期记忆网络的航空发动机剩余寿命模型并训练;将测试集的数据放入训练的模型中得出测试集在模型训练中MAE值和MSE值;将测试集中得出的剩余寿命标签与真实剩余寿命数据集进行对比,得出相应的拟合优度验证预测的准确度和方法的可行性;将准确率最高的模型进行封装放到一个计算单元中,同时预测结果可视化。本发明所设置的神经网络移植性高、预测速度快、预测精度高且预测过程和结果完全可以可视化,操作方便简单。

Patent Agency Ranking